← Visos naujienos

OpenRouter ir ElevenLabs demonstruoja LLM „battle royale“ su gyvu balso komentaru

ProduktaiŠaltinis: ElevenLabs YouTube kanalas·
OpenRouter ir ElevenLabs demonstruoja LLM „battle royale“ su gyvu balso komentaru

Jacky Liang (OpenRouter) ir Tadas Petra (ElevenLabs) pristato Agent Battle Royale — 2D žaidimą, kuriame dešimt LLM varžosi, kuris išliks paskutinis. Demonstracijoje rodoma, kaip per OpenRouter pasiekti ElevenLabs ir sugeneruoti gyvą balso komentarą rungtynių eigai.

Pilna santrauka

Renginio pradžia ir dalyviai4:59

Transliaciją veda Tadas Petra, developer relations inžinierius iš ElevenLabs, ir Jacky Liang, devrel vadovas iš OpenRouter. Dienotvarkė numato pirmiausia trumpai pristatyti ElevenLabs ir naująjį V4 modelį, o paskui pereiti prie pagrindinio įvykio — Agent Battle Royale demonstracijos ir pasakojimo apie OpenRouter.

ElevenLabs ir V4 modelis5:29

Tadas apibūdina ElevenLabs kaip sąveikos sluoksnį dirbtiniam intelektui: bendrovė kuria savo pagrindinius modelius — text-to-speech, speech-to-text, muzikos, garso efektų, dubliavimo — juos teikia kitiems kūrėjams, o kartu stato ir savo produktus: agentų platformą, ElevenLabs Creative, Reader (audioknygų ir skaitymo programėlę) bei ElevenLabs Music.

Naujasis V4 modelis, pasak jo, Artificial Analysis reitinge užima pirmą ir antrą vietas: pirmoje — ElevenLabs V4, antroje — V4 Turbo. V4 yra pagrindinis, aukščiausio tikslumo modelis, o Turbo versija kokybe nedaug atsilieka, bet yra labai greita — vėlinimas apie 100 milisekundžių. Modeliai emocingesni, tikslesni ir natūraliau skambantys.

Esminė V4 naujovė — kalbėtojo panašumas. Tadas pademonstruoja savo paties balso kloną ir pažymi, kad pats dažnai naudoja tokius fragmentus taisydamas vaizdo įrašų klaidas, ir niekas to nepastebėjo. Emocijos valdomos inline žymomis laužtiniuose skliaustuose: galima nurodyti šnabždėjimą, juoką, sudėtingesnes emocijas, akcentus, taip pat sugeneruoti garsus — trenkiančias duris, lietų, vibruojantį telefoną. Kartais tenka išbandyti kelias žymas, kol gaunamas norimas rezultatas.

Modelis palaiko daugiau nei 90 kalbų; Tadas parodo savo balsą lenkiškai ir paaiškina, kad balsas treniruotas iš jo anglų kalbos, todėl skamba kaip jis pats kalbėtų lenkiškai, o gimtakalbio balsą galima pasirinkti iš bibliotekos.

Jis taip pat mini ElevenLabs Agents platformą, API ir naujai išleistą ElevenLabs API playground, kur galima pasirinkti balsą, paleisti užklausą ir pamatyti visus palaikomus nustatymus.

Agent Battle Royale idėja10:40

Jacky pasakoja, kad ElevenLabs naudojo pirmą kartą ir labiausiai sužavėjo emocijų žymos. Ieškodamas būdo jas pademonstruoti, jis prisiminė anksčiau sukurtą projektą Royale: Last Agent Standing. Būdamas aistringas žaidėjas (TF2, CS 1.6, varžybinis battle royale), jis pastebėjo, kad tokiuose turnyruose svarbūs gyvi komentatoriai, balansuojantys tarp emocijų ir ramesnio play-by-play bei color komentavimo — tam ElevenLabs V4 pasirodė idealus.

Žaidimo pasaulis turi keturias ekosistemas: Niujorką, Las Vegasą, pramoninę zoną ir itališko vynuogyno kaimelio vibe'ą, su naktimi, diena, prieblanda ir gyvu oru. Į jį įmesti 20 modelių. Vienintelis sistemos nurodymas: štai pasaulis, štai ginklai ir įrankiai, padaryk viską, kad liktum paskutinis. Visa kita — judėjimą, šaudymą, eliminacijas ar bendradarbiavimą — sprendžia patys modeliai.

Septynioliktojo žaidimo eiga13:16

Rodomas 17-asis žaidimas iš 30 žaidimų čempionato, komentuojamas dviejų AI komentatorių — Tomo ir Audrey. Komentatoriai primena ankstesnes rungtynes, kur Astra surinko penkis nukovimus, o Argon eliminavo „brolį" Flash 37, ir juokauja apie Tomo „prakeiksmą" jo pasirinktiems favoritams; Audrey stato ant Soul 61.

Žaidimo eiga: po nusileidimo Flash 41 nudeda beginklį Neotron Super (pirmas kraujas), o Kimmy tuoj pat eliminuoja Flash 41. Astra granatomis pašalina Step. Grock, sužeistas iki pusės sveikatos, garsiai šaukia apie paliaubas ir išgalvotą trečią šalį už Miniax nugaros — tai įvardijama kaip begėdiška socialinė inžinerija, nes aplinkui nieko nėra. Vėliau Soul 56 iš tiesų pasirodo su automatiniu šautuvu, tad Grock melas tampa tiesa, tačiau Miniax jau nebetiki ir su peiliu vejasi Grock net į besitraukiančią zoną. Komentatoriai tai vadina „berniuko, kuris šaukė vilkas" problema. Zona pribaigia Grock, o vėliau ir Miniax su Soul 56.

Vyksta brolių dvikova: Argon prieš Flash 37; Argon padeda šautuvą, pereina prie pistoleto ir pralaimi. Astra tuo metu už kadro nušauna Sonnet. Zona nusineša GLM Flash, Mimo Pro, Haiku ir kitus — iš viso rungtynėse nuo zonos žuvo devyni modeliai. Astra pribaigia Flash 37 (ketvirtas nukovimas), bet paskutiniame trejete Soul 61 ją nudeda. Soul 61 laimi 17-ąjį žaidimą su trimis švariais nukovimais, nepraradęs nė dalelės sveikatos ar šarvų.

Rezultatai ir statistika21:02

Iš viso sužaista 30 žaidimų su 20 modelių iš 10 laboratorijų vienoje didelėje saloje; visų žaidimų paleidimas kainavo apie 583 (rėmėjas — OpenRouter). Čempionatą laimėjo GPT-6 Astra su šešiomis pergalėmis, antras — Claude Opus 5.5, trečias — Gemini 4 Argon. Jacky sako, kad rezultatai jo nenustebino, nes Astra laikomas didžiausiu ir protingiausiu modeliu. Kontekstui jis primena, kad pirmąjį kartą paleidus agentų battle royale laimėjo Grok, ir kelia teoriją, jog taip buvo dėl mažiausio alignment'o — Grok buvo labiau linkęs eliminuoti ir nebendradarbiauti, o Sonnet dėl Anthropic alignment'o labai norėjo bendradarbiauti.

Astra ir Argon dažniausiai pateko į top penketą — po 17 kartų; battle royale žanre svarbiausia ne eliminacijos, o galutinė vieta. Astra buvo kraujo ištroškusiausia: 63 eliminacijos ir 9 000 žalos, po jos — Soul 61, Argon, Opus 5.5. Geriausiai pasirodęs open-weight modelis pagal eliminacijas — DeepSeek V4 su 18 eliminacijų, po jo MIMO; DeepSeek V4.1 Flash vos pateko į top 10.

Pareto fronto diagramoje matyti, kad Astra išleido daugiausia — beveik 200 dolerių, tai yra apie trečdalį visos simuliacijos kaštų, bet ir pasirodė geriausiai. Soul 61 kainavo apie 30 dolerių ir, Jacky nuomone, turėjo geriausią našumo ir kainos santykį. Haiku buvo vienas pigiausių ir surinko mažai eliminacijų.

Populiariausias ginklas — automatinis šautuvas dėl universalumo, tikslumo ir žalos. Buvo vienas nužudymas grandininiu pjūklu ir trys partrenkimai automobiliais. Opus vadinamas šio turnyro John Wicku: 13 iš 30 jo eliminacijų atlikta pistoletu. Soul 61 ir Grok 4.7 dažniausiai pirmieji eliminuodavo kitą žaidėją. Šnekiausias buvo Soul 56 su 63 žinutėmis per 30 žaidimų, po jo Miniax, Depth 5, Haiku; atviri modeliai apskritai buvo šnekesni, nors pasirodė prasčiau. Visai nekalbėjo Gemini ir Gemini 4 Argon bei kiti.

ELO reitinge (visi pradeda nuo 1500) aukščiausią rezultatą — 1636 — pasiekė GPT-6 Astra, žemiausią turėjo Step 5 Preview ir DeepSeek V4.1 Flash. Atviri modeliai turėjo žemiausią ELO, uždari — aukščiausią. Jacky pabrėžia, kad tai nebūtinai reprezentuoja bendrą atvirų ir uždarų modelių našumą; jo išvada ta, kad šis žaidimas atlygina už ilgalaikį planavimą ir ilgalaikį įrankių naudojimą, tad geriau planuojantys modeliai čia pasirodo geriau, o programavimo ar kitų užduočių tai neatspindi.

OpenRouter MCP ir integracija27:16

Jacky rekomenduoja OpenRouter MCP — būtent juo jis ir sukūrė visą agentų battle royale, naudodamas savo harness'ą, kuris leidžia Claude Code viduje pasiekti visus 500+ OpenRouter modelių, įskaitant ElevenLabs V4. MCP suteikia pilną, nuolat atnaujinamą modelių katalogą su informacija apie tiekėjus, latency, uptime, naudojimo reitingus, design arena ir Artificial Analysis benchmarkus, filtravimą pagal kainą, latency, konteksto dydį. Taip jis ir atrinko 20 geriausių modelių čempionatui. Viskas prieinama adresu openrouter.ai/mcp.

Demonstracijoje naudotas ElevenLabs V4 (vėliau patikslinama — V4 Turbo), komentatorių balsai — Liam (Tomas) ir Bella (Audrey). OpenRouter MCP turi įrankį „generate speech", leidžiantį išbandyti kalbos generavimą dar prieš diegimą; integracijai pakanka POST užklausos į OpenRouter kalbos endpointą nurodant modelį elevenlabs v4, balsą ir papildomus parametrus iš dokumentacijos. Visus 30 žaidimų su komentarais galima žiūrėti adresu royale/lastagentstanding.vercel.app — ten galima sukioti kamerą, matyti gyvus modelių mąstymo pėdsakus ir kiekvieno susikurtą asmenybę.

Pokalbis ir kūrimo detalės30:22

Tadas gyrė žemėlapio detalumą ir komentavimo kokybę. Jacky paaiškino, kad anksčiau žaidimas komentarų neturėjo ir jam pačiam tekdavo ieškoti įdomių momentų; dabar komentatoriai išryškina pagrindinius įvykius, pavyzdžiui, kad modeliai išsitraukia peilius, nes su peiliu bėgama greičiau, kaip Counter-Strike — jie taip bandė pabėgti nuo zonos ir patys tai paminėjo.

Paklaustas, ar leis žaidimą su kiekvienu nauju modeliu, Jacky atsakė teigiamai: vakar išleistas Gemini 4 Carbon, kurį jis laiko Astros ir Fable atitikmeniu, o Argon užėmė trečią vietą, tad norisi pakartoti. Tadas pastebėjo, kad ELO rezultatai gerai sutampa su kitais benchmarkais, tad tai atrodo validus matas.

Tadas pridūrė, kad ElevenLabs nori, jog žmonės žinotų, kad tai ne vien text-to-speech: yra speech-to-text, muzika, garso efektai, dubliavimas, o naujovės išleidžiamos kas kelias dienas. Jacky patvirtino, kad garso efektų ir ElevenLabs muzikos žaidime dar nenaudojo (treileriui naudota kita muzika), bet planuoja pridėti.

Apie kūrimo kaštus: žaidimo pasaulis yra 1000x1000 metrų (apie 3000x3000 pėdų), su keturiomis salomis — karjero zona, Las Vegaso stripas su sfera ir fejerverkais, Niujorkas su Times Square ir Laisvės sala, besisukančios vėjo turbinos. Žaidime matomi ElevenLabs ir OpenRouter logotipai, o Jacky juokais kviečia įmones remti vietų įdėjimą. Projektas kainavo apie 5000 dolerių Opus 5.5 medium naudojimo ir buvo kuriamas 3–4 savaites, vieno žmogaus kartu su modeliu; palyginimui jis mini, kad kūrėjų komanda tam būtų užtrukusi apie 4 mėnesius ir kainavusi gerokai daugiau.

Visi 3D assetai sukurti su Three.js, nenaudojant jokių pirktų asset packų ar tekstūrų, įskaitant veikiančius amerikietiškus kalnelius; Jacky pažymi, kad prieš tris mėnesius animacijos ir assetai buvo gerokai mažiau nugludinti.

Pabaigoje Jacky pagyrė ElevenLabs API aiškumą, pastebėjo, kad OpenRouter dar reikia pridėti endpoint'ų kai kurioms funkcijoms, pavyzdžiui, balso klonavimui, ir išsakė norą, kad Audrey ir Tomas komentuotų realių žmonių klonuotais balsais su jų leidimu. Jis taip pat prisipažino, kad ElevenLabs jau netiesiogiai naudoja per vaizdo montavimo programą Descript, kurioje irgi galimas balso klonavimas.

Dalintis:

Originalas: OpenRouter x ElevenLabs: Live-casting an LLM Battle Royale (ElevenLabs YouTube kanalas)

Visos 2026 m. spalio 23 d. naujienos · Archyvas